来源：期刊VIP网 时间：
作者：赵晓震;顾湘龙;苏醒;周全;李奎;宋金川;
单位：河北工业大学智能配用电装备与系统全国重点实验室;天津凯发电气股份有限公司;河北工业大学河北省电磁场与电器可靠性重点实验室;香港理工大学建筑环境及能源工程学系;
摘要：针对轨道交通馈线系统中继电保护装置动作故障诊断耗时长且依赖专家经验的现状，提出1种基于生成对抗网络增强的合成少数类过采样技术（SMOTE-GAN）和组合麻雀搜索算法（CSSA）优化的一维卷积神经网络（1D-CNN）故障诊断模型SG-CSSA-1D-CNN。首先，通过SMOTE生成局部理想的少数类样本作为生成对抗网络（GAN）生成器的输入，融合SMOTE的局部插值优势与GAN的全局分布学习能力，解决原始样本不足及生成样本质量不高的问题；其次，采用引入Tent混沌序列和高斯变异机制的CSSA算法提升全局寻优效率，实现1D-CNN最优超参数的自动搜索，优化模型分类性能；最后，基于包含18个电气特征的9类故障实际数据集，构建故障诊断模型。结果表明：与原始1D-CNN模型相比，优化后的模型损失降低12.5%，其诊断准确率提升至98.46%,9类故障分类精度达到均衡。该方法可有效解决类别不平衡数据下的故障识别难题，并显著提升继电保护装置动作故障的识别可靠性。
关键词：轨道交通;;馈线系统故障诊断;;SMOTE-GAN融合算法;;组合麻雀优化算法;;一维卷积神经网络
基金资助：河北省高等学校科学研究项目（QN2025339）;; 天津市教委科研计划项目（2023KJ301）
